Web信息挖掘的研究及應用.pdf

1、本文主要討論Web信息挖掘技術，系統(tǒng)地闡述了Web文檔數(shù)據(jù)挖掘的理論和方法，目的在于應用數(shù)據(jù)挖掘技術，從Web頁中挖出領域的典型結構信息數(shù)據(jù)，將其映射成關系數(shù)據(jù)模型，并存儲在關系數(shù)據(jù)庫中，利用關系數(shù)據(jù)庫管理系統(tǒng)技術（RDBMS）來管理和查詢Web信息源，同時利用用戶訪問模式挖掘和興趣主題發(fā)現(xiàn)技術為用戶準確地定位所需信息。
　　文章簡要介紹了Web信息挖掘的背景和應用研究價值，提出了Web數(shù)據(jù)挖掘系統(tǒng)的總體目標和總體結構，并指出了系

2、統(tǒng)實施的技術路線。
　　同時本文給出了Web文檔的模型化設計，通過將Web頁面中HTML標志的巢級結構關系把Web頁映射成一棵標志樹，對Web頁面中領域信息記錄塊的發(fā)現(xiàn)進行了算法設計和實現(xiàn)。在領域知識庫的支持下，應用幾組啟發(fā)規(guī)則，定位 Web頁面中的領域信息并分隔出各條記錄。
　　文章利用Web元數(shù)據(jù)抽取技術來抽取領域信息，首先用定義的數(shù)據(jù)模型（OEM模型）對網(wǎng)頁進行模型化，利用Web頁結構挖掘算法抽取出Web頁信息包含的元